Modelos de IA dominam tarefas complexas de engenharia e automação

O modelo Fable estabeleceu um novo recorde ao escrever o mais eficiente kernel de GPU testado no benchmark KernelBench-Mega, atingindo uma aceleração de 18,71 vezes em relação a uma baseline otimizada em PyTorch. Este resultado exemplifica como sistemas de IA estão a desenvolver autonomamente componentes fundamentais para pesquisa e desenvolvimento de IA, potencialmente criando loops de auto-melhoria. O progresso em automação também se estende a tarefas económicas reais. O Remote Labor Index, que avalia a capacidade de sistemas de IA em executar projetos de trabalho remoto de forma completa, registou uma melhoria dramática de 2,5% em outubro de 2025 para 16,1% em julho de 2026. Modelos recentes como Fable 5, GPT-5.5 e Opus 4.8 alcançaram taxas de sucesso de 16,1%, 6,3% e 8,3% respetivamente, indicando avanço acelerado em capacidades economicamente relevantes. Simultaneamente, investigadores lançaram o OSWORLD 2.0, um benchmark que avalia a competência de sistemas de IA em executar tarefas complexas multi-programa que duram horas. As tarefas têm mediana de 1,6 horas para humanos, contrastando com 2 minutos na versão anterior. Apesar de os modelos atuais alcançarem apenas 20,6% de acuidade em testes completos, espera-se progressão similar à versão 1.0. Na China, a empresa JD implementou o Oxygen AI Item Center para gerir seu vasto catálogo de inventário, processando centenas de milhões de atualizações diárias usando NPUs Huawei Ascend, demonstrando como IA profunda se integra com sistemas estruturados em aplicações de produção à escala.